系统并发指标:
目标用户数,系统用户数,活跃用户数,在线用户数,并发用户数
只有发起请求，在服务器正在处理这个请求的用户才是并发用户。
事实上，高并发架构主要关注的就是用户发起请求，服务器处理请求时需要消耗的计算资源。所以并发用户数是架构设计时主要关注的指标
1. 分布式缓存客户端 SDK 会根据应用程序传入的 key，从分布式缓存集群中选择一台服务器进行访问，那么这个客户端 SDK 如何选择服务器呢？- hash和分段
hash，根据key的hash值定位目标所在地址。hash值1结尾的key在node1，2结尾的在node2等。
数据分布比较平均，但是不方便扩容。因为扩容的话，就要重新编辑hash到node的映射逻辑。
Redis集群使用一致性哈希算法，将服务器和缓存key全放在一个哈希环上，缓存保存在顺时针找到的最近的服务器上，当扩容时只会损失一台服务器中大约一半的缓存数据，扩展性好很多，哈希不均匀也可以通过虚拟节点的方式得到很大程度的解决
- 分段，每个node值存储一个范围内的数据。id 100万到101万，在node1，101-102万在node2。
方便扩容，但是数据热点分布可能不均匀。比如现在分配到node11了id值是111万，数据增加1万增加一个node就好。不需要重新处理映射逻辑。 但问题是，数据热点可能不均匀。比如101-110万都是老用户，现在已经不活跃了。热点用户都在最新的1万个用户。带来的结果就是，处理前10万个用户的node饿死了，而最新的node11可能都已经撑死了。
supervisor是一个python写的东西 配置一下可以帮你监控你的进程
搞个gateway 封装成模板,然后往里面塞上Mock平台 全链路追踪 日志采样 自动限流 用户鉴权 中间件这些,再扩展成 服务发现 负载均衡 上个k8s 自动缩扩容 ,然后搞个脚手架 自动根据要求生成代码，增删改查一把梭 网关层按需可插拔,平台化 打通链路形成闭环
